Intelligence artificielle et santé animale - INRAE - Institut national de recherche pour l’agriculture, l’alimentation et l’environnement Accéder directement au contenu
Article Dans Une Revue (Article De Synthèse) INRAE Productions Animales Année : 2020

Artificial intelligence and animal health

Intelligence artificielle et santé animale

Résumé

Mobilizing Artificial Intelligence (AI) approaches in Animal Health (AH) makes it possible to address issues of high logical or algorithmic complexity such as those encountered in quantitative and predictive epidemiology, precision-based medicine, or to study host × pathogen relationships. AI can to some extent facilitate diagnosis and case detection, make predictions more reliable and reduce errors, allow more realistic representations of complex biological systems also readable by non-computer scientists, speed-up decisions, improve accuracy in risk analyses, and allow interventions to be better targeted and their effects anticipated. In addition, challenges in AH may stimulate AI research in turn due to the specificity of systems, data, constraints, and analytical objectives. Based on a literature review at the interface between AI and AH covering the period 2009- 2019, and interviews with French researchers positioned at this interface, this synthesis explains the main areas in AH in which AI is mobilized, how it contributes to revisiting AH research issues and removes methodological barriers, and how AH research questions stimulate new AI research development. After presenting the possible obstacles and levers, we propose recommendations to better grasp the challenge represented by this new AH/AI interface.
Mobiliser les approches issues de l’Intelligence Artificielle (IA) en Santé Animale (SA) permet d’aborder des problèmes de forte complexité logique ou algorithmique tels que rencontrés en épidémiologie quantitative et prédictive, en médecine de précision, ou dans l’étude des relations hôtes × pathogènes. L’IA peut dans certaines situations faciliter le diagnostic et la détection de cas, fiabiliser les prédictions et réduire les erreurs, permettre des représentations plus réalistes et lisibles par des non informaticiens de systèmes biologiques complexes, accélérer les décisions, améliorer la précision des analyses de risque et permettre de mieux cibler les interventions et d’en anticiper les effets. De plus, les fronts de science en SA engendrent de nouveaux challenges pour l’IA, du fait de la spécificité des systèmes, des données, des contraintes, et des objectifs d’analyse. Sur la base d’une revue de la littérature à l’interface entre IA et SA couvrant la période 2009-2019, et d’entretiens conduits avec des chercheurs français positionnés à cette interface, cette synthèse explicite les grands domaines de recherche en SA dans lesquels l’IA est actuellement mobilisée, comment elle contribue à revisiter les questions de recherche en SA et lever des verrousméthodologiques, et comment des questions de SA stimulent de nouveaux travaux en IA. Après avoir présenté les freins et leviers possibles, nous proposons des recommandations pour se saisir au mieux de l’enjeu que représente cette interface SA/IA.
Fichier principal
Vignette du fichier
2020_productionsanimales.pdf (807.71 Ko) Télécharger le fichier
Origine : Fichiers éditeurs autorisés sur une archive ouverte
Loading...

Dates et versions

hal-02966118 , version 1 (13-10-2020)

Licence

Paternité

Identifiants

Citer

Pauline Ezanno, Sébastien Picault, Nathalie Winter, Gaël Beaunée, Hervé Monod, et al.. Intelligence artificielle et santé animale. INRAE Productions Animales, 2020, 33 (2), pp.95-108. ⟨10.20870/productions-animales.2020.33.2.3572⟩. ⟨hal-02966118⟩
476 Consultations
395 Téléchargements

Altmetric

Partager

Gmail Facebook X LinkedIn More